“dikkat” için sonuçlar
691 sonuç bulundu. Sonuçları kategoriye göre daraltabilirsin.
Gecikme Sorununu Çözen Yeni Kontrol Sistemi Algoritması
Araştırmacılar, giriş gecikmesi yaşayan belirsiz anahtarlamalı afin sistemler için yeni bir gürbüz tahmine dayalı kontrol yöntemi geliştirdi. Bu yöntem, Lyapunov çerçevesi ve minimum anahtarlama durum geri besleme tahmine dayalı kontrol yasası kullanarak sistemlerin kararlılığını sağlıyor. Geliştirilen algoritma, nominal sistem parametrelerini dikkate alan bir tahmin şeması üzerine kurulu. Tahmin hatasını göz önünde bulunduran Lyapunov fonksiyonunun oluşturulmasıyla, sistem yörüngelerinin ve sistem tahmininin gürbüz bir limit döngüsüne üstel yakınsamasının kanıtlandığı belirtiliyor. Bu gelişme, endüstriyel otomasyondan robotik uygulamalara kadar pek çok alanda gecikme problemleriyle başa çıkmada önemli bir adım teşkil ediyor.
Yapay Zeka Görsel Zeka Testlerinde İnsanların Yarısı Kadar Başarılı
Araştırmacılar, çok modlu büyük dil modellerinin (MLLM) görsel-bilişsel yeteneklerini test etmek için 'Mind's Eye' adlı yeni bir değerlendirme sistemi geliştirdi. Klasik insan zeka testlerinden esinlenen bu sistem, soyutlama, ilişki kurma ve dönüştürme kategorilerinde sekiz farklı görsel görev içeriyor. Test sonuçları, insanların %80 başarı oranına ulaştığı bu görevlerde en iyi performans gösteren yapay zeka modellerinin %50'nin altında kaldığını ortaya koydu. Bu çalışma, mevcut yapay zeka sistemlerinin görsel dikkat dağıtımı, zihinsel manipülasyon ve soyut kavram çıkarımı konularında önemli eksiklikleri olduğunu gösteriyor.
Yapay Zeka Yazdığı Kodları Tespit Eden Yeni Sistem: LLMSniffer
Yazılım geliştirmede yapay zeka araçlarının yaygınlaşmasıyla birlikte, AI tarafından üretilen kodları insan yazısından ayırt etmek kritik bir sorun haline geldi. Araştırmacılar, bu zorluğa çözüm olarak LLMSniffer adlı yenilikçi bir tespit sistemi geliştirdi. GraphCodeBERT teknolojisini kullanan sistem, kontrastlı öğrenme yöntemiyle eğitildi ve mevcut sistemlere göre dikkat çekici başarı artışları elde etti. GPTSniffer veri setinde doğruluk oranı %70'den %78'e, Whodunit veri setinde ise %91'den %94.65'e yükseldi. Bu gelişme, akademik dürüstlük, kod kalite kontrolü ve siber güvenlik alanlarında önemli uygulamalara sahip.
Yapay Zeka Algoritmaları İçin Yeni Öğrenme Sınırları Keşfedildi
Araştırmacılar, stokastik en kısa yol problemlerinde optimal politika öğrenmek için gereken minimum örnek sayısını belirleyen matematiksel sınırları ortaya çıkardı. Çalışma, yapay zeka sistemlerinin karmaşık karar verme ortamlarında ne kadar veri ile etkili öğrenebileceğini gösteren teorik alt ve üst sınırlar sunuyor. En dikkat çekici bulgu, minimum maliyetin sıfır olduğu durumlarda bazı problemlerin hiç öğrenilemeyebileceğinin kanıtlanması. Bu keşif, pekiştirmeli öğrenme alanındaki diğer problem türlerinden daha zor olan senaryoları ortaya koyuyor ve gelecekteki algoritma tasarımları için önemli kılavuzluk edecek.
Yapay zeka modellerinin düşünme sürecini daha güvenilir kılan yeni yöntem
Büyük dil modelleri karmaşık problemleri çözerken adım adım düşünme yöntemi kullanıyor, ancak bu düşünme sürecinin gerçekten doğru cevaba katkıda bulunup bulunmadığı belirsizdi. Araştırmacılar, AtManRL adını verdikleri yeni bir teknik geliştirerek bu sorunu çözmeye odaklandı. Yöntem, modelin hangi düşünce adımlarının gerçekten önemli olduğunu tespit eden bir dikkat mekanizması kullanıyor. Pekiştirmeli öğrenme ile eğitilen sistem, hem doğru cevap vermeyi hem de gerçekten anlamlı düşünce süreçleri üretmeyi öğreniyor. Llama-3.2-3B modeli üzerinde yapılan testler, sistemin matematik ve genel bilgi sorularında daha güvenilir sonuçlar ürettiğini gösteriyor. Bu gelişme, yapay zekanın karar verme süreçlerini daha şeffaf ve anlaşılır hale getirerek güvenilirliğini artırıyor.
Elektrik şebekelerinde tutarlı bölgeleri tanımlayan yeni algoritma geliştirildi
Güneş panelleri ve rüzgar türbinlerinin elektrik şebekesine artan entegrasyonu, sistemin frekans tepkisini öngörülmez hale getiriyor. Bu durum, farklı şebeke bölgelerinin birlikte hareket ettiği 'tutarlı bölgelerin' sınırlarını sürekli değiştiriyor. Araştırmacılar, değişken işletim koşulları altında bu kritik bölgeleri belirlemek için yeni bir konsensüs kümeleme algoritması geliştirdi. Geleneksel yöntemler sadece büyük generatör arızalarını dikkate alırken, yeni yaklaşım çok çeşitli bozulma türlerini analiz edebiliyor. Bu gelişme, giderek karmaşıklaşan elektrik şebekelerinin daha güvenli ve verimli yönetilmesini sağlayabilir.
İHA'lara İnsan Benzeri Bilişsel Navigasyon Sistemi
Araştırmacılar, İHA'ların (İnsansız Hava Araçları) sesli komutlarla karmaşık ortamlarda bağımsız navigasyon yapabilmesi için yeni bir yapay zeka sistemi geliştirdi. FineCog-Nav adlı bu sistem, insan beyninin çalışma prensiplerinden ilham alarak navigasyon sürecini yedi ayrı bilişsel modüle ayırıyor: dil işleme, algılama, dikkat, hafıza, hayal kurma, akıl yürütme ve karar verme. Her modül özel görevine odaklanmış yapay zeka temelleri üzerinde çalışarak birbirleriyle koordineli şekilde hareket ediyor. Sistem, mevcut yöntemlerin aksine büyük model boyutlarına ihtiyaç duymadan sıfırdan öğrenme yaklaşımıyla çalışıyor. Araştırma ekibi ayrıca sistemin performansını ölçmek için 300 farklı uçuş rotası içeren özel bir test veri seti hazırladı. Bu gelişme, otonom drone navigasyonunda önemli bir adım olarak görülüyor.
Twitter'da İlk Tepkiler Tüm Sohbeti Nasıl Etkiliyor?
Stanford araştırmacıları, Twitter'da toksik içeriklere verilen ilk yanıtların, sonraki tüm konuşmanın seyrini belirlediğini ortaya koydu. 187 bin tweet ve 9 bin konuşmayı analiz eden çalışma, sosyal normların çevrimiçi davranışları nasıl şekillendirdiğini gösteriyor. Araştırma, toksik bir tweet'e verilen ilk yanıtın yapıcı olması durumunda, sonraki kullanıcıların da daha ölçülü davrandığını; ancak ilk yanıt saldırgan olursa, diğerlerinin de benzer şekilde davranma eğiliminde olduğunu buldu. Bu keşif, sosyal medya platformlarının zararlı içerikle mücadelede sadece bireysel hesapları değil, grup dinamiklerini de dikkate alması gerektiğini gösteriyor.
Yapay Zeka Az Veriyle Daha İyi Öğrenecek: Yeni Yöntem Geliştirild
Araştırmacılar, yapay zekanın az sayıda örnekle öğrenmesini sağlayan 'few-shot learning' alanında çığır açan bir yöntem geliştirdi. ACSESS adı verilen bu teknik, farklı örnek seçim stratejilerini otomatik olarak birleştirerek daha etkili sonuçlar elde ediyor. Çalışmada 23 farklı seçim stratejisi, 5 farklı yapay zeka modeli ve 14 veri seti üzerinde test edildi. Sonuçlar, birleştirilmiş stratejilerin tekil yöntemlerden sürekli olarak daha iyi performans gösterdiğini ortaya koydu. Bu gelişme, özellikle büyük dil modelleri ve görüntü işleme alanlarında önemli ilerlemeler sağlayabilir. Few-shot learning, yapay zekanın insan gibi az örnekle hızla öğrenmesini hedefleyen kritik bir araştırma alanı olarak dikkat çekiyor.
Ses Teknolojilerinde Yeni Ölçütler: DASB Platformu Geliştirildi
Araştırmacılar, yapay zeka sistemlerinin ses ve konuşmayı nasıl işlediğini değerlendirmek için yeni bir kıyaslama platformu geliştirdi. DASB (Kesikli Ses ve Konuşma Kıyaslaması) adlı bu sistem, ses verilerini dijital token'lara dönüştüren teknolojileri kapsamlı bir şekilde test ediyor. Çalışma, konuşma tanıma, müzik analizi ve genel ses işleme alanlarında farklı yaklaşımları karşılaştırarak, hangi yöntemlerin daha etkili olduğunu ortaya koyuyor. Sonuçlar, kesikli ses temsillerinin sürekli olanlara göre daha hassas olduğunu ve model mimarisi, veri büyüklüğü gibi faktörlerin dikkatli ayarlanması gerektiğini gösteriyor. Bu araştırma, gelecekte ses ve dil işleme teknolojilerini birleştiren çok modlu yapay zeka sistemlerinin geliştirilmesine katkı sağlayacak.
Yapay Zeka Modelleri İçin Yeni Hızlandırma Yöntemi: TNP-KR
Araştırmacılar, stokastik süreçleri modellemek için kullanılan Neural Process modellerinin hesaplama karmaşıklığını drastik olarak azaltan yeni bir yaklaşım geliştirdi. Transformer Neural Process - Kernel Regression (TNP-KR) adı verilen bu yöntem, mevcut modellerin O(n²) karmaşıklık sorununu çözerek daha verimli işlem yapabilmeyi sağlıyor. Gaussian Process modellerine alternatif olarak geliştirilen Neural Process'ler, büyük veri setlerinde daha hızlı çalışırken aynı doğruluğu korumayı hedefliyor. Yeni yaklaşım, özellikle Kernel Regression Block adı verilen basit ama güçlü bir transformer bloğu ile dikkat çekiyor.
EventCrab: Olay Tabanlı Eylem Tanıma İçin Çığır Açan Hibrit Yaklaşım
Araştırmacılar, geleneksel kamera sistemlerinin aksine yüksek temporal çözünürlük ve mahremiyet koruması sağlayan olay tabanlı eylem tanıma teknolojisinde yeni bir döneme işaret eden EventCrab çerçevesini geliştirdi. Bu yenilikçi sistem, olay verilerinin benzersiz özelliklerini - zaman boyutunda yoğun, uzay boyutunda seyrek olan asenkron yapılarını - dikkate alarak iki farklı yaklaşımı ustaca birleştiriyor. Hafif çerçeve tabanlı ağlar ile ağır nokta tabanlı ağları harmanlayan EventCrab, hem doğruluk hem de verimlilik açısından denge kuruyor. Bu teknoloji, özellikle gizlilik gerektiren uygulamalarda ve yüksek hızlı hareket analizinde devrim yaratabilir.
Yapay zeka ile tartışma simülasyonları: Araştırma maliyetlerini 44 kat düşüren yöntem
Sosyal bilim araştırmalarında insan katılımcılarla yapılan deneyler oldukça maliyetli. Araştırmacılar, bu soruna çözüm olarak Sentetik Tartışma Üretimi (STÜ) adlı yeni bir yaklaşım geliştirdi. Bu yöntem, yapay zeka kullanarak gerçekçi tartışma simülasyonları oluşturuyor ve pilot deneylerin çok daha uygun maliyetle yapılmasını sağlıyor. Çalışmanın en dikkat çekici bulgusu, pahalı yapay zeka modellerine alternatif olarak küçük modellerin kullanılabileceği. 7-8 milyar parametreli sıkıştırılmış modeller, OpenAI GPT gibi ticari modellerden 44 kat daha düşük maliyetle etkili sonuçlar üretiyor. Bu gelişme, özellikle çevrimiçi tartışma moderasyonu gibi alanlarda büyük potansiyel taşıyor.
Yapay Zeka Modellerinde Devrim: Softpick ile Dikkat Mekanizması Yenilendi
Araştırmacılar, yapay zeka modellerinin dikkat mekanizmalarında kullanılan geleneksel softmax fonksiyonuna alternatif olarak 'softpick' adlı yeni bir yöntem geliştirdi. Bu yenilik, transformer modellerinde karşılaşılan 'dikkat batağı' sorununu tamamen ortadan kaldırıyor ve aşırı aktivasyon problemlerini çözüyor. 340 milyon ve 1.8 milyar parametreli modeller üzerinde yapılan testler, softpick'in dikkat batağı oranını %0'a indirdiğini gösteriyor. Yöntem aynı zamanda daha seyrek dikkat haritaları oluşturuyor ve modellerin gizli durumlarında önemli iyileşmeler sağlıyor. Özellikle düşük bit hassasiyetli modellerde performans artışı dikkat çekici boyutlarda. Bu gelişme, yapay zeka modellerinin daha verimli çalışması, daha az bellek kullanması ve daha kolay anlaşılması açısından önemli fırsatlar sunuyor.
WARBERT: Web API Önerisi İçin Yeni Yapay Zeka Modeli Geliştirildi
Araştırmacılar, web uygulamalarının ihtiyaç duyduğu API'leri daha doğru önerebilmek için WARBERT adlı yeni bir yapay zeka modeli geliştirdi. BERT tabanlı bu hiyerarşik model, mevcut sistemlerin karşılaştığı semantik belirsizlikler ve hesaplama verimsizliği gibi sorunları çözmek üzere tasarlandı. Model, mashup gereksinimleri ile API açıklamaları arasında daha hassas eşleştirmeler yapabiliyor ve büyük ölçekli veri tabanlarında hızlı çalışıyor. Web 2.0 ve mikroservis mimarisinin yaygınlaşmasıyla artan API ihtiyacı, bu tür akıllı öneri sistemlerini daha da önemli hale getiriyor. WARBERT, çift bileşenli özellik birleştirme ve dikkat mekanizmaları kullanarak semantik temsillerin doğruluğunu artırıyor ve geliştiricilerin ihtiyaçlarına uygun API'leri bulmalarını kolaylaştırıyor.
Yapay Zeka Sistemlerinde Maliyet Odaklı Model Seçimi Geliştiriliyor
Büyük dil modelleri (LLM'ler) karmaşık görevlerde birden fazla AI modelini yönetmek için kullanılıyor, ancak mevcut sistemler model seçiminde yetersiz kalıyor. Araştırmacılar, modellerin gerçek performans özelliklerini dikkate alan yeni bir yaklaşım geliştirdi. Bu yöntem, sadece nitel açıklamalara dayanan geleneksel orkestrasyon sistemlerinin aksine, nicel performans verilerini kullanarak hem doğruluk hem de maliyet dengesini optimize ediyor. Deneysel sonuçlar, önerilen metodun çeşitli değerlendirmelerde doğruluk oranını %0.90 ile %11.92 arasında artırdığını gösteriyor. Bu gelişme, AI sistemlerinin kaynak kullanımını optimize ederken performanslarını da artırmasına olanak sağlıyor.
Yapay zeka halüsinasyonlarına çözüm: Tersine çevrilebilir kodlama yaklaşımı
Araştırmacılar, büyük dil modellerinin (LLM) en büyük sorunlarından olan halüsinasyon ve eksik bilgi üretme problemlerine yenilikçi bir çözüm geliştirdi. Tersine çevrilebilir problemler için önerilen bu yaklaşım, LLM'leri hem kodlayıcı hem de kod çözücü olarak kullanarak, bilgi teorisindeki kayıpsız sıkıştırma mantığını benimsiyor. Donanım mantık tasarımı alanında test edilen yöntem, Logic Condition Tables'tan (LCT) Hardware Description Language koduna dönüştürme işleminde dikkat çekici başarı gösterdi. Yedi farklı LLM ile yapılan deneylerde, iki boyutlu network-on-chip yönlendiricisi için 1500-2000 satırlık HDL kodu üretildi. Sistemin doğruluğu, üretilen kodun tekrar LCT'ye dönüştürülmesi ve orijinalle karşılaştırılmasıyla test edildi. Bu yaklaşım sadece doğru üretilen mantık kodlarını doğrulamakla kalmıyor, hatalı olanları da tespit ederek geliştiricilere önemli destek sağlıyor.
Yapay zeka ajanları için dinamik araç seçimi yöntemi geliştirildi
Araştırmacılar, büyük dil modelleriyle çalışan yapay zeka ajanlarının daha akıllıca araç seçmesini sağlayan yeni bir yöntem geliştirdi. Dinamik Araç Bağımlılığı Alma (DTDR) adı verilen bu yaklaşım, geleneksel yöntemlerin aksine hem başlangıç sorgusu hem de gelişen görev bağlamını dikkate alarak araç seçimi yapıyor. Özellikle mobil cihazlardaki yapay zeka asistanları için tasarlanan bu hafif yöntem, çok adımlı araç bağımlılıklarını modelleyerek daha doğru ve verimli sonuçlar elde edilmesini sağlıyor. Mevcut statik yöntemler yetersiz kaldığında, DTDR dinamik olarak uyum sağlayarak gereksiz araçların seçimini engelliyor ve sistem performansını artırıyor.
Bilgi Arama Teorisinde Büyük Atılım: Korunumlu Aktif Bilgi Kavramı
Bilgisayar bilimi alanında önemli bir teorik gelişme yaşandı. Araştırmacılar, arama algoritmalarının etkinliğini ölçmede kullanılan 'aktif bilgi' kavramına yeni bir boyut kazandıran 'korunumlu aktif bilgi' konseptini geliştirdi. Bu yeni yaklaşım, arama uzayındaki net bilgi kazanımını ve kaybını simetrik bir şekilde ölçebiliyor. Geleneksel yöntemlerin göremediği bilgi rejimlerini ortaya çıkararak, güçlü bilginin küresel düzensizliği nasıl azalttığını gösteriyor. No-Free-Lunch teoreminin korunum ilkesini de dikkate alan bu yaklaşım, optimizasyon algoritmalarından kozmolojik ince ayar problemlerine kadar geniş bir uygulama yelpazesi sunuyor. Araştırma, aktif bilgi teorisine yöneltilen uzun süreli eleştirileri de yanıtlayarak alandaki önemli bir boşluğu dolduruyor.
Trafik Tahmini İçin Kişiselleştirilmiş Yapay Zeka Sistemi Geliştirildi
Araştırmacılar, akıllı ulaşım sistemleri için gizliliği koruyarak trafik tahmininde bulunabilen yeni bir yapay zeka sistemi geliştirdi. AutoFed adlı bu sistem, federe öğrenme teknolojisini kullanarak farklı bölgelerin trafik verilerini paylaşmadan ortak bir model eğitiyor. Geleneksel yöntemlerin aksine, her bölgenin kendine özgü trafik özelliklerini dikkate alarak daha kişiselleştirilmiş tahminler sunuyor. Sistem, taksi hizmetleri, şehir planlama ve araç filo yönetimi gibi kritik alanlarda kullanılabilir. Araştırma, veri mahremiyeti endişelerinin yarattığı bilgi silosu problemine çözüm getirirken, her bölgenin farklı trafik davranışlarını da göz önünde bulunduruyor.
Yapay Zeka Halüsinasyonlarına Karşı Yeni Çözüm: VIB-Probe
Görüntü ve dil işleme yeteneklerine sahip yapay zeka modellerinin en büyük sorunlarından biri halüsinasyon - yani gerçekte olmayan şeyleri görüyormuş gibi davranması. Araştırmacılar, bu sorunu çözmek için VIB-Probe adlı yeni bir sistem geliştirdi. Bu teknoloji, yapay zekanın iç mekanizmalarını inceleyerek hangi dikkat başlıklarının doğru bilgi ürettiğini tespit ediyor. Varyasyonel Bilgi Darboğazı teorisini kullanan sistem, gereksiz bilgi gürültüsünü filtrelerken önemli kalıpları yakalıyor. Mevcut yöntemler çoğunlukla çıktıları kontrol ederken, VIB-Probe sistemin içini inceleyerek sorunun kaynağına iniyor. Bu gelişme, görsel-dilsel görevlerde çalışan yapay zeka modellerinin güvenilirliğini artırabilir.
ATTNPO: Yapay Zekâ Artık Gereksiz Düşünmeyecek
Büyük dil modelleri karmaşık problemleri çözerken sıklıkla 'aşırı düşünme' sorunu yaşıyor ve gereksiz adımlar atarak zaman kaybediyor. Stanford araştırmacıları, bu soruna yenilikçi bir çözüm geliştirdi: ATTNPO. Bu yeni sistem, modelin kendi dikkat mekanizmalarını kullanarak hangi düşünce adımlarının gerekli, hangilerinin gereksiz olduğunu ayırt ediyor. Geleneksel yöntemler tüm adımları eşit görürken, ATTNPO özel dikkat başlıklarını kullanarak her adımı ayrı ayrı değerlendiriyor. Bu sayede hem daha hızlı hem de daha doğru sonuçlar elde ediliyor. Araştırma, yapay zekâ sistemlerinin verimliliğini artırma konusunda önemli bir adım sayılıyor.
Yapay zeka artık bilim insanlarının hakemlik sürecine yanıt yazmasına yardım ediyor
Bilimsel yayın sürecinin kritik aşamalarından biri olan hakem değerlendirmelerine yanıt yazma işlemi, yazarlar için büyük zaman ve çaba gerektiriyor. Araştırmacılar, bu süreci kolaylaştırmak için yazarın uzmanlığını ve niyetini dikkate alan yeni bir yapay zeka sistemi geliştirdi. Re3Align adlı kapsamlı veri seti ve REspGen çerçevesi sayesinde, bilim insanları artık hakem görüşlerine daha etkili yanıtlar hazırlayabilecek. Sistem, yazarın alan bilgisini ve stratejik yaklaşımını analiz ederek, kişiselleştirilmiş ve ikna edici yanıtlar üretebiliyor. Bu gelişme, akademik yayıncılık sürecini hızlandırırken kaliteyi de artırmayı hedefliyor.
Yapay Zeka ile İnsan-Ürün Fotoğrafları: HiFi-Inpaint Teknolojisi
Araştırmacılar, e-ticaret ve dijital pazarlama sektörü için devrimsel bir yapay zeka teknolojisi geliştirdi. HiFi-Inpaint adlı bu sistem, insan ve ürünlerin birlikte gösterildiği fotoğraflarda ürün detaylarını koruyarak yüksek kaliteli görüntüler üretebiliyor. Geleneksel yöntemlerin aksine, bu teknoloji referans görüntüleri kullanarak ürünlerin dokusundan rengine kadar tüm detaylarını hassas şekilde koruyor. Sistem, Paylaşımlı Gelişim Dikkat mekanizması ve Detay Farkında Kayıp fonksiyonu gibi yenilikçi yaklaşımlarla çalışıyor. Bu gelişme, özellikle e-ticaret sitelerinde ürün tanıtımları, reklam kampanyaları ve dijital pazarlama materyallerinin hazırlanmasında büyük kolaylık sağlayacak. Teknoloji, mevcut yapay zeka modellerinin ürün detaylarını koruma konusundaki eksikliklerini gidererek sektöre yeni bir soluk getiriyor.